native egg lot

SolVision成功案例

鸡蛋蛋壳品质检测分级解决方案

AI辅助蛋壳孔隙侦测及自动化分级系统

鸡蛋食品安全管理:蛋壳品质控管的重要性

台湾鸡蛋年产量达70余亿颗,是国人主要的蛋白质摄取来源之一。然而蛋鸡产蛋后,沙门氏菌容易透过蛋壳表面孔隙侵入蛋体,造成食安疑虑。若能在生产端有效地控管鸡蛋蛋壳品质,将能大幅降低食用鸡蛋的风险并提升鸡蛋的商品价值。

人工检测鸡蛋蛋壳瑕疵,准确度低且无法高速运作

鸡蛋蛋壳品质的主要指标系蛋壳表面的孔隙密度,学术上鸡蛋蛋壳品质的分类方式系依孔隙密度将鸡蛋分为三级。然而,蛋壳孔隙及裂痕生成的型态十分随机,且产线中鸡蛋排列的角度亦难以预测,过去仅能以人工目视方式汰除裂蛋,在高速运作的产线中效果十分有限。

AI透过深度学习,取代人力成为鸡蛋食安的守门员

运用SolVision  AI影像平台的实例切割技术,定位、标注影像样本中鸡蛋裂隙瑕疵的位置并据以训练AI模型,训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级,提升鸡蛋食用的安全性及商品价值。

蛋壳孔缝密度检测案例

蛋壳品质层级

Green: Level 1

Eggshell hole seam density detection case

Blue: Level 2

Eggshell hole seam density detection case

Pink: Level 3

Eggshell hole seam density detection case

Result

Green 一级蛋         Blue 二级蛋      Pink三级蛋

Eggshell hole seam density detection case
Eggshell hole seam density detection case
更多案例
  • 袜品外观缺陷检测

    袜品瑕疵形态多样,传统AOI适合用于整块布疋的检测,对于不固定的瑕疵检测有困难,且容易发生错杀,仍需人工进行复检。以SolVision工具完成AI模型的训练。可快速且精确地找出瑕疵、分类不同瑕疵并剔除不良品,把关产品质量、提升生产效率,透过对瑕疵进行分类与分析,更能够优化整体制程。
  • a close up of a blue and yellow background

    LED基板分区外观品质控管解决方案

    常见的LED基板瑕疵包括边缘毛边、焊垫氧化杂质、刮痕等,在瑕疵特征与背景相近的情况下,AOI检测不易将瑕疵检出。运用SolVision AI影像技术,以各式LED基板上瑕疵影像样本训练,经深度学习的AI即可精准地将瑕疵检出并标注。此外亦可指认瑕疵生成的所属区域,达到分区检测的目的。
  • leftover plastic parts from plastic injection molding machine

    使用人工智能验证塑料零件的回收利用

    Explore how META-aivi optimizes waste management with AI, reducing errors and avoiding contamination while enhancing the efficiency of plastic parts recycling.
  • SMT制程的回焊短路检测解决方案

    运用AI视觉检测IC Pin脚间的焊锡相连情形 什么是SMT(Surface Mount Technology)表面贴焊(装)技术? 表面黏著技术,是一种电子装联技术,起源于1960年代,最初由美国IBM公司进行技术研发,之后于1980年代后期渐趋成熟。此技术是将电子元件,如电阻、电容、电晶体、积体电路等等安装到印刷电路板上,并通过钎焊形成电气联结。其使用之元件又被简称为表面安装元件。 PCB可靠度的第一道关卡:SMT制程 SMT表面贴装技术(Surface Mount Technology,SMT)是电子业的组装焊接技术之一,以锡膏印制、点胶、零件组装、热风回焊等制程将电子零组件与PCB结合。然而回焊制程中,相邻的锡球稍有不慎即会造成短路。由于PCB上元件繁多,若能即时检出短路情形并排除障碍点,将能大幅提升产线效能。 IC PIN角瑕疵检测案例 正确 NG: 焊锡相连 NG: 焊锡相连